人ベースでコラボしたとしてもコンテンツ内のメイン言語は日本語か英語かに寄せる必要があって
そうすると結局リスナーの視聴可能な言語に依存するからあんまりシナジーないんだろうな

リアルタイム自動翻訳みたいなのの精度が上がらん限り難しいんじゃない？